待验证50% 置信事实精确时间
Xavier 初始化（Glorot 初始化）假设激活函数关于原点近似线性且对称，令每层权重的方差正比于输入与输出维度之和的倒数，使前向与反向传播中信号的方差大致保持不变。
1
来源数
50%
置信度
长期有效
时效性
2026/10/14
首次发现
来源
涉及实体
相关事实
待验证Xavier 初始化（Glorot, 2010）和 He 初始化（He et al., 2015）基于高斯分布，通过设计方差（分别为 1/n 和 2/n，n 为输入维度）保证每层输出方差与输入一致75% 相似待验证Xavier初始化适用于Sigmoid或Tanh等饱和激活函数，根据输入输出维度调整方差范围73% 相似待验证Xavier 和 Kaiming 初始化的共同前提是网络结构规整、激活函数已知且固定；一旦层结构自定义或激活函数动态变化，闭式公式就需要重新推导。66% 相似待验证在输入特征之间存在多重共线性时，普通线性回归容易产生不稳定的系数估计，而岭回归的正则化机制能有效缓解这一问题66% 相似待验证在贝叶斯框架下，先验扮演了正则化的角色，添加正则项本质上等价于为参数引入某种先验分布63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1027616API
curl https://kongchang.com/api/v1/knowledge/claims/1027616MCP
get_claim(id=1027616)